分化的南方：人工智能治理中的能力差距与路径选择报告

蔡翠红 管航 著2026世界人工智能大会 人 治球全能智工与可持续发展：挑理战与应对 论

坛全球人工智能创新治理中心复旦大学国际问题研究院上海市邯郸路220号复旦大学智库楼邮编：200433电话：86-21-65641067邮箱：cgaig@网址：复旦智库报告分化的南方：人工智能治理中的能力差距与路径选择蔡翠红 管航全球人工智能创新治理中心复旦大学国际问题研究院2026年7

月目 录摘要.................................................................................................6第一章 导论：重新理解全球南方在人工智能治理中的位置

............01第二章 全球人工智能治理结构及其对全球南方的约束

...................05一、

基础设施不对称：算力与芯片决定入场门槛.............................

05二、

资本模型不对称：前沿创新的高度集中.....................................

07三、

规则外溢不对称：多重框架下的适配压力.................................

09四、

多边影响不对称：有限施动性的制度通道.................................

10五、

结构性后果：四重不对称如何塑造南方分化.............................

12第三章 人工智能治理能力与规范取向的二维矩阵..........................14一、

能力维度：从政策文本转向量化指标.........................................

15二、

取向维度：国家如何定义治理优先级.........................................

17三、

二维矩阵与四种类型......................................................................

17四、

方法、边界及标准..........................................................................

18第四章 全球南方人工智能治理实践的类型分化

.............................20一、

发展优先型

......................................................................................

23二、

规则平衡型

......................................................................................

27三、

主权塑造型

......................................................................................

30四、

外部嵌入型

......................................................................................

35五、

类型比较...........................................................................................

38第五章 全球南方人工智能治理的未来路径与行动议程

..................40一、

可转化能力：从资源优势到制度影响.........................................

41二、

能力缺口：结构性约束下的脆弱参与.........................................

42三、

协调路径：制度化第三极与议题性协调.....................................

42四、

政策议程：从原则表达转向能力供给.........................................

44五、

行动顺序：从短期工具到长期制度网络.....................................

46第六章 结语：把全球南方重新纳入人工智能治理的制度源头.........48摘要 分化的南方：人工智能治理中的能力差距和路径选择作者 蔡翠红 复旦大学国际问题研究院教授、全球人工智能创新治理中心副主任管 航 复旦大学国际关系与公共事务学院博士研究生关键词：全球南方 人工智能治理 能力分化 议题性协调 发展友好型治理 当人工智能治理被描述为中美等技术大国间的竞争时，一个根本性的问题往往被遮蔽：占世界人口多数的全球南方国家，在这场轰轰烈烈的制度建构中究竟扮演什么角色？本报告将全球南方视作一个正在被人工智能能力差距重新分层的政治经济空间。不同国家在算力基础设施、创新研发、资本与产业生态、人才技能和制度监管能力上的差异，正在深刻影响其治理取向、政策空间和国际规则参与能力。本报告构建“能力

-

规范取向”二维矩阵，将全球南方国家区分为四种治理类型。其中，能力维度涵盖技术基础设施、创新研发、资本与产业生态、人才技能和制度监管能力等方面的量化指标，回答一国“能做什么”的问题；规范取向维度则从国家人工智能战略、立法草案、预算安排和国际合作方向中综合判断一国的治理优先级，判断其是将人工智能服务于发展目标、借鉴外部规则实现安全合规、追求技术与规则自主，还是主要通过区域和多边平台嵌入现有制度，从而回答一国“想往哪里走”的问题。两个维度交叉，形成以非盟多数国家为代表的发展优先型、以东盟为代表的规则平衡型、以印度、巴西、阿联酋、沙特为代表的主权塑造型，以及以太平洋岛国和加勒比国家为代表的外部嵌入型四类。报告指出，全球人工智能治理结构中的四重不对称共同塑造了全球南方的内部分化。南方国家之间，基础设施分布的不对称涉关人工智能能力建设门槛，资本与模型分布的不对称形塑与他者的权力及依赖关系；南方国家之外，技术强国与国际组织规则外溢形态的不对称增加了内部制度适配压力，多边机制影响力的不对称能为南方国家行动提供选择和运作空间，但也会客观上限制其议程设置与行动转化能力。在这些约束下，全球南方难以迅速转变为制度化的“第三极”，其内部能力差距、技术依赖方向和规则偏好过于多元。更现实的趋势是短期内先围绕算力可负担性、开源模型、本地语言数据和公共服务人工智能等具体议题形成松散的议题性协调。在政策层面，报告建议将全球南方重新纳入人工智能治理的制度源头。国际社会应设立人工智能能力与发展峰会机制、联合建立多边能力建设融资窗口、推动区域监管沙箱和测试工具互认、在外部合作中嵌入“非锁定”合同条款，并对能力薄弱国家推行分阶段治理路径。归根结底，包容性治理的落脚点不只是决策在场，还包括能力供给。让发展中国家出现在文件签署名单上并不困难，但让它们真正拥有评估模型、监管采购、建设数据集和使用算力的能力，才是结构性包容的真正含义。第一章 导论：重新理解全球南方在人工智能治理中的位置02United

Nations

General

Assembly,

Resolution

A/RES/78/265,

“Seizing

the

Opportunities

of

Safe,

Secure

andTrustworthy

Artificial

Intelligence

Systems

for

Sustainable

Development,”

adopted

21

March

2024.03United

Nations

General

Assembly,

Resolution

A/RES/78/311,

“Enhancing

International

Cooperation

on

Capacity-building

of

Artificial

Intelligence,”

adopted

1

July

2024.04United

Nations

General

Assembly,

Resolution

A/RES/79/325,

“Terms

of

reference

and

modalities

for

theestablishment

and

functioning

of

the

Independent

International

Scientific

Panel

on

Artificial

Intelligence

and

the050607Global

Dialogue

on

Artificial

Intelligence

Governance,”

adopted

26

August

2025.UNESCO,RecommendationontheEthicsofArtificialIntelligence,adopted23November2021.OECD,

Recommendation

of

the

Council

on

Artificial

Intelligence,

adopted

22

May

2019,

updated

2024.中华人民共和国，《全球人工智能治理倡议》，2023

年

10

月。和企业驱动，欧盟代表风险规制和权利保护， 但全球性原则并不会自动带来全球性平中国强调发展与安全的国家协调。这一框架

等。欧盟《人工智能法案》以风险分级和市场有相当的解释力，却也制造了显著的盲区。

准入为核心形成潜在的“布鲁塞尔效应”；美它不自觉地把多数发展中国家推到了规则扩

国通过模型企业、云基础设施、芯片出口管制散的末端，将其简化为欧盟规则的接受者、

和安全评估标准塑造事实治理；中国则率先通美国技术生态的使用者或中国数字合作框架

过《全球人工智能治理倡议》为全球人工智能的对象。然而问题在于，全球南方并非沉默 治理提供行动指引，并以数字丝绸之路和开源的整体，也不是只能被动承接外部规则的制 模型提供另一套合作叙事。07

对全球南方而言，度空白。 这些外部框架既是规则资源，也是选择压力。很多国家并不是在充分能力基础上自由选择治事实上，这一议题已进入国际制度核 理模式，而是在技术依赖、资本短缺和制度能心议程。联合国大会

2024

年

3

月通过第 力不足的约束下作出有限选择。78/265

号决议，将人工智能治理与可持续发展、数字鸿沟和发展中国家能力建设明 那么，占世界人口多数的全球南方国家确联系起来；02

同年

7

月，通过第

78/311 如何在这种不对称结构中分化为不同类型的号决议《加强人工智能能力建设国际合 治理行为体？又如何以自身的立场参与全球作》；032025

年

8

月更决定设立独立国际 人工智能治理？人工智能科学小组与全球人工智能治理对话。04UNESCO

早在

2021

年就通过《人工在回答这两个问题前需要先打破一个认智能伦理问题建议书》05，OECD

也从可信 知偏差，即把“全球南方”当作均质概念。人工智能和包容性增长出发提供了早期的政 同属全球南方，印度、巴西、阿联酋、斐府间标准

06。这些举措表明，发展与能力建 济、加勒比国家面对的能力条件和战略空间设议程已被嵌入大国间议程竞争之中。 天壤之别。印度可以把数字公共基础设施、则制定和发展机会的结构性问题。这种制度化竞赛的底层逻辑，是权力人工智能治理正在从技术监管议题，转国数据中心数量超过

5400

座，远高于其变为牵动产业竞争、国家安全、发展融资和

他经济体，且私营人工智能投资规模继续国际规则制定的综合性议题。过去几年，围大幅领先中国；01

前沿大语言模型的生产主绕基础模型、算力基础设施、芯片供应链、

要由少数大型企业主导。算力、资本和模数据跨境流动和安全评估的制度安排迅速密

型三重集中意味着，人工智能治理的权力集化，其速度甚至超过了技术本身的扩散。

基础并非均匀分布，拥有这些资源的行为人工智能治理由此不再只是关于技术风险的

体，天然更容易把技术优势转化为规则影监管问题，也越来越成为关于能力分布、规

响力。然而，正因为权力高度集中，全球2026

世界人工智能大会

|

论坛

0201

分治化理的中南的方能：力差人距工与智路能径选择第一章

南导方论在：人重工新智理能解治全理球中的位置南方在人工智能治理中的位置才更需要被重新讨论。的高度集中。斯坦福

2026

年人工智能指 当前主流叙事习惯将全球人工智能治理数报告勾勒出了一幅极不均衡的图景。美 书写为一场三方角力，即美国代表创新优先01

Stanford

University,

Human-Centered

Artificial

Intelligence

(HAI),

AI

Index

Report

2026,

Stanford,

CA,

2026.09

Stanford

University

HAI,

AI

Index

Report

2026

(Stanford,

CA:

Stanford

University,

2026).国内市场和多边议程结合起来，提升在全球中国为

124

亿美元，差距仍然悬殊。开源发人工智能议程中的发声能力；巴西可以借

展虽然让美国和欧洲以外地区的GitHub

贡G20

推动发展友好型规则；东盟可以通过软献已超过欧洲并接近美国，却尚未根本改变法构造区域缓冲层；非盟可以将人工智能与

前沿模型和硬件供应链的集中格局。09

全球2063

年议程联系起来；08而大量小岛屿国家

南方的政策议程在扩展，但技术基础和制度和能力薄弱的经济体则更多依赖

UNESCO

能力仍呈梯级分化。或区域组织提供的规则模板。将这些国家统称为“规则接受者”，会遮蔽南方内部正在本报告认为，全球南方是一个正在被人发生的能力分化和议程重组。 工智能能力差距重新分层的政治经济空间。全球南方并非单纯的地理概念，也不是固定这种重组的关键是能力差异。人工智能

的意识形态集团，而是指在全球人工智能价治理能力至少包含五类基础：一是技术基础

值链、基础设施供给和规则制定中整体处于设施，包括数据中心、算力、芯片、电力与

非核心位置，同时内部能力、需求和外部依网络覆盖等维度；二是创新研发，包括人工

赖高度分化的一组国家和地区。一方面，这智能相关等论文、专利、本地语言数据集发表、

些国家具备群体共性。多数不控制人工智能开源生态参与等维度；三是资本与产业生态，

价值链核心环节，在国际规则制定中面临结包括私营投资、初创企业、应用规模等维度；

构性弱势。另一方面，内部差异同样显著。四是人才与技能，包括研究人员、公共部门

有些国家能将市场规模、制度资源与多边平技术人才、人工智能技能扩散等维度；五是

台转化为规则影响力；有些只能通过区域组制度与监管能力，包括国家战略、数据保护法、

织放大有限声音；还有一些可能被技术、资监管沙箱、区域协调机制等维度。没有这些

本和规则三重锁定。全球南方的人工智能治指标，所谓“治理取向”就容易沦为政策文

理因此不是单线条的技术追赶，而是分化、本比较，无法解释为什么一些国家能塑造规

选择和再依附同时展开的复杂过程。则，另一些只能接受或移植规则。本报告将这一过程概括为“有限但有意2026

年人工智能指数报告还指出，国 义的施动性”。所谓有限，是因为算力集中、家人工智能战略正在向发展中经济体扩散，

资本集中、模型集中和规则外溢构成多重制但模型生产依然集中在美国和中国。2025

约；所谓有意义，是因为这些国家并非只能被年美国私营人工智能投资达到

2859

亿美元，

动接受，而是可以通过四条路径扩大政策空08

African

Union,

Agenda

2063:

The

Africa

We

Want,

adopted

January

2015.家尝试提出区别于欧美中的替代框架。间：议题发展化，将人工智能治理从单纯风 析立场：全球南方虽暂未成为人工智能治理险控制转向发展促进；区域集体化，通过非盟、 的“第三极”，但其中一部分国家和区域组东盟、金砖等机制把分散诉求转为集体议程； 织正在成为议题性协调的推动者。规范本土化，将全球原则嵌入本地制度传统和发展阶段；自主规则构建，由中高能力国本报告围绕三个问题展开分析：第一，全球人工智能治理结构中的技术、资本、模型和规则不对称如何具体塑造南方的选择空这种分析视角有助于纠正两种常见偏 间？第二，如何用可观察指标判断不同国家差。第一种是“技术中心主义”，把规则创 的治理能力和规范取向？第三全球南方内部新主要置于美、欧、中等强技术主体之间， 哪些国家可能扩大规则影响力，哪些将面临将南方国家视为治理对象而非治理主体。第 持续能力约束，以及松散的“议题性协调”二种是“南方浪漫主义”，强调发展中国家 是否正在形成？三个问题共同指向一个核心的发声权，却忽视南方内部能力落差和利益 判断，即全球南方既不是整齐的规则接受者，分化。前者低估了南方国家的策略性施动能 也不是天然一致的政治主体，而是一个正在力，后者高估了南方作为统一阵营的现实可 被人工智能能力差距重新分层的国际政治经能。本报告试图在二者之间建立更稳健的分 济空间。2026

世界人工智能大会

|

论坛

0403

分治化理的中南的方能：力差人距工与智路能径选择第一章

南导方论在：人重工新智理能解治全理球中的位置第二章 全球人工智能治理结构及其对全球南方的约束10

International

Energy

Agency

(IEA),

Energy

and

AI

(Paris:

IEA,

2025);

IEA,

Electricity

2024:

Analysis

and

Forecast

to

20262026

世界人工智能大会

|

论坛

0605

分治化理的中南的方能：力差人距工与智路能径选择第二章

及全其球对人全工球智南能方治的理约结束构(Paris:

IEA,

2024).11

International

Telecommunication

Union

(ITU),

Facts

and

Figures

2024:

Measuring

Digital

Development

(Geneva:

ITU,2024).12

World

Bank,

Digital

Progress

and

Trends

Report

2023

(Washington,

DC:

World

Bank,

2024),

https://doi.org/10.1596/978-1-4648-2049-6.而是基础设施。一个国家能否训练、部署和 数字基础设施差距进一步放大了这一问监管人工智能系统，取决于数据中心、云服 题。ITU

2024

年数据显示，全球仍有相当务、芯片供应、电力系统和网络覆盖。斯坦 规模人口处于离线状态。高收入国家互联网福

2026

年人工智能指数报告显示，全球人 渗透率已达

93%，低收入国家仅约

27%，工智能算力自

2022

年以来持续高速扩张， 两者差距达66

个百分点。11在全球南方内部，

商业数据中心在地理上高度集中于美国，先 差异同样显著：阿联酋、沙特、马来西亚的进人工智能芯片制造则高度依赖台积电等少 互联网渗透率均超过95%，而尼日利亚约数节点。数据中心地图网站（Data

Center 41%、肯尼亚约

35%、卢旺达约

32%。世Map）的统计显示，美国拥有

4438座数据 界银行也指出，数字化收益在国家之间和国中心，数量约为其他任何国家的

8

倍以上； 家内部高度不均。12德国、英国各约

500

余座位居其后；中国约

369座。整个非洲大陆的数据中心总量仅因此，人工智能鸿沟并不是传统数字260

座，尚不及美国的

6%。这意味着，人 鸿沟之后的新问题，而是传统鸿沟的升级版工智能能力不仅仅是算法问题，而是由硬件、 本：缺少互联网连接的群体无法产生高质量能源和供应链共同支撑的系统能力。 数据，缺少算力的国家无法开发本地模型，缺少技术人才的政府也难以监管外部人工智对全球南方而言，这构成双重压力。其 能系统。三者层层叠加，形成一种基础设施一，多数国家缺乏本土算力和云基础设施， 层面的“阶层锁定”。这也解释了为什么许模型部署必须依赖外部云服务和进口芯片。 多南方国家更强调发展友好型的人工智能治其二，算力基础设施本身需要稳定电力、冷理。对它们而言，人工智能治理的首要议题却系统和专业运维，这些条件在许多低收入

往往不是前沿模型的灾难性风险，而是农业国家并不充分。IEA

的研究表明，数据中心预警、公共卫生、教育可及性和数字身份。和人工智能基础设施正在成为电力需求增长

如果治理框架只从高风险模型监管出发而不的重要来源。10

换言之，建不建得起数据中心，

处理基础设施问题，就会出现规则先行、能可能首先取决于供不供得起电。 力滞后的结构性错位。国际政治经济结构中进行的能力建设、规则适配和战略规避。理解全球南方的人工智能治理行为，不 换言之，全球南方国家面对的首要问题能从政策文本开始，而应从结构位置入手。 不是是否愿意治理人工智能，而是是否具备人工智能治理表面上讨论的是伦理原则、风

治理人工智能的基础能力；不是是否认同某险分级、透明度和安全评估，深层却取决于

套原则，而是能否在外部规则和技术依赖之哪些行为体掌握基础设施、生产模型、提供

间保留足够的政策空间。这种不对称至少体资本并定义市场准入规则。对多数南方国家

现在四个层面。而言，人工智能治理并非在中性制度空间中展开的技术监管选择，而是在高度不对称的 一、基础设施不对称：算力与芯片决定入场门槛人工智能治理的第一道门槛不是法律，二、

资本模型不对称：前沿创新的高度集中工具转化为事实标准。第二重不对称来自资本和模型。人工 这意味着很多南方国家即便在政策上强智能技术扩散迅速，但前沿创新的生产者高

调人工智能主权，也很难在短期内形成全栈度集中。斯坦福

2026

年人工智能指数报告

自主能力。更现实的路径通常有三条：使用显示，2025

年全球私营人工智能投资达到

外部基础模型进行本地应用开发、通过开源3447

亿美元，其中美国占

2859

亿美元，中

模型和本地数据集适配、或与外部伙伴合作国

124

亿美元，

英国

59

亿美元。2025

年

建设算力中心和行业模型。行业部门生产了超过

90%

的重要人工智能模型，美国和中国是最主要的两个生产国， 开源生态正在改变部分能力分布。前沿其他代表性国家或地区（韩国、加拿大、法

技术能力较弱的国家可以借助开源工具链、国、香港、英国）合计贡献不足

10

个。资 轻量模型和本地语言语料获得一定参与空本集中不仅影响企业生长，也影响治理议程， 间。但开源本身亦并非均质概念，南方国家即拥有巨额投资和基础模型企业的国家，更 在评估开源机会时需要区分三个层次。第一，容易把企业安全实践、模型评测方法和合规 权重开放与真正开源的区别。当前被广泛称13

United

Nations

Conference

on

Trade

and

Development

(UNCTAD),

Digital

Economy

Report

2024

(Geneva:

UNCTAD,2026

世界人工智能大会

|

论坛

0807

分治化理的中南的方能：力差人距工与智路能径选择第二章

及全其球对人全工球智南能方治的理约结束构2024).14

UNCTAD,

Digital

Economy

Report

2024.值得注意的是，资本与模型不对称不放”的模型同样需要

GPU

算力和技术团队， 仅体现在国家之间，也体现在国家与企业之“免费下载”绝不等于“免费使用”。 间。在许多全球南方国家，人工智能生态的实际塑造者并非本国政府，而是跨国科技企此外，开源窗口本身也存在不平等。训 业。14Google在加纳阿克拉设立了非洲首个练和微调高质量模型仍需数据、算力和持续 人工智能研究中心，Microsoft

通过

Azure资金，本地语言数据集建设需要长期投入， 在南非、肯尼亚和印尼扩建云区域，华为云公共部门采购和监管沙箱需要制度能力支 和阿里云在东南亚、中东和非洲提供算力基图1

全球南方部分国家数据中心数量对比图2

全球私营人工智能投资与重要模型的国别集中度（2025年）为“开源”的大模型多数只是模型权重可下

撑。UNCTAD

2024

年数字经济报告提示，载，训练数据和技术细节并不公开，南方国

数字经济的资源消耗和价值链集中可能加剧家可以部署和微调，却难以独立审计或深度

发展中国家的不平等处境。13

因此，开源虽修改核心行为。第二，许可证差异。Llama

然降低了人工智能模型的应用和实验门槛，采用社区许可证，对月活超过7

亿用户的商但不能自动解决算力、资本和产业生态短缺业应用施加限制；DeepSeek

采用

MIT

许可

的硬性约束。也就是说，开源是机会，却不证，商用限制较少；Qwen

的条款取决于具

是一劳永逸的万能解决方案。体版本。许可条款决定了技术可用性的实际边界。第三，部署仍需算力。微调和运行“开15

European

Parliament

and

Council

of

the

European

Union,

Regulation

(EU)

2024/1689

Laying

Down

Harmonised

Ruleson

Artificial

Intelligence

(AI

Act),

adopted

13

June

2024.16

The

White

House,

Executive

Order

14110,

“Safe,

Secure,

and

Trustworthy

Development

and

Use

of

ArtificialIntelligence,”

signed

30

October

2023;

revoked

by

Executive

Order

14148,

“Initial

Rescissions

of

Harmful

ExecutiveOrders

and

Actions,”

signed

20

January

2025.17

The

White

House,

Executive

Order

14179,

“Removing

Barriers

to

American

Leadership

in

Artificial

Intelligence,”signed

23

January

2025.18

美国商务部工业安全局（BIS），先进计算和半导体制造项目出口管制规则，2022

年

10

月；更新版出口管制规则，2023年

10

月；Framework

for

Artificial

Intelligence

Diffusion

临时最终规则，2025

年

1

月（已于

2025

年

5

月宣布撤销并暂停执行）。19

National

Institute

of

Standards

and

Technology

(NIST),

AI

Risk

Management

Framework

1.0

(Gaithersburg,

MD:

NIST,2023);

U.S.

AI

Safety

Institute

(AISI),

established

within

NIST,

November

2023,

renamed

Center

for

AI

Standards

andInnovation

(CAISI),

June

2025.20

U.S.

Congress,

CHIPS

and

Science

Act

(Public

Law

117-167),

signed

9

August

2022.础设施，Grab

和

GoTo

等区域平台在东盟

场或接受欧洲发展合作资金的国家会倾向将构建了事实上的人工智能应用生态。这些企

数据保护和合规要求嵌入本国制度。对制度业带来了技术、资本和就业，但也在数据标

能力较弱的南方国家而言，欧盟路径的吸引准、模型选择和平台架构上形成路径依赖。

力在于模板清晰、合法性高，风险则在于合对南方国家而言，与跨国企业的关系不是简

规成本可能先于本土创新能力到来。单的接受或拒绝，而是如何在引入技术资源的同时保留数据主权、培育本土能力并避免美国路径更多通过企业生态、行政命令单一供应商锁定。这一维度在现有治理讨论 和出口管制形成事实治理。拜登政府2023中往往被国家间框架所遮蔽，但它可能比任 年签署的第

14110

号行政令一度将安全测何政府间协议都更直接地影响南方国家的人 试、隐私和公平纳入联邦框架

16，但该行政工智能发展路径。 令于2025

年

1

月被特朗普政府撤销，新政策转向反过度监管和算力扩张

17。然而，跨三、规则外溢不对称：多重框架下的适配压力 届稳定的核心治理工具并未消失，诸如多轮芯片出口管制

18、NIST

AI

风险管理框架

19

和第三重不对称来自规则外溢。欧盟、美 芯片与科学法

20，使算力和供应链本身成为国和中国以不同方式向全球输出治理影响。 治理杠杆。对南方国家而言，美国路径的影响往往不是通过国际条约，而是通过云平台、欧盟《人工智能法案》确立了风险分级、 模型

API、芯片供应和技术标准间接传导。禁止性人工智能实践、高风险系统合规义务和通用目的人工智能模型义务。15

凭借市场 中国路径强调发展权、安全和国际合作。规模和监管外溢效应，许多希望进入欧洲市 在国际层面，中国

2023

年在全球主要经济智能治理倡议》定位为推动完善新疆域治理工具链，呈现事前备案、事后处罚、内容义21

中华人民共和国，《全球人工智能治理倡议》，2023

年

10

月。2026

世界人工智能大会

|

论坛

1009

分治化理的中南的方能：力差人距工与智路能径选择第二章

及全其球对人全工球智南能方治的理约结束构22

中华人民共和国，《人工智能能力建设普惠计划》，2024

年

9

月

25

日于纽约联合国总部“人工智能能力建设国际合作高级别会议”期间发布。23

中华人民共和国，成立世界人工智能合作组织倡议，2025

年

7

月

26

日于上海

2025

世界人工智能大会暨人工智能全球治理高级别会议期间提出，初步考虑总部设在上海。国家互联网信息办公室等，《互联网信息服务算法推荐管理规定》，2022

年

3

月

1

日起施行。国家互联网信息办公室等，《互联网信息服务深度合成管理规定》，2023

年

1

月

10

日起施行。国家互联网信息办公室等，《生成式人工智能服务管理暂行办法》，2023

年

8

月

15

日起施行。UNESCO,

Readiness

Assessment

Methodology

for

the

Ethics

of

Artificial

Intelligence

(Paris:

UNESCO,

2023).体中率先提出《全球人工智能治理倡议》，

之间并非简单选边，更常见的做法是组合式为人工智能全球治理提供系统性行动指引，

适配，比如数据保护法参照欧盟，云和模型主张以人为本、尊重各国主权；212024

年推

服务来自美国企业，数字基础设施接受中国动联大第

78/311

号决议和《人工智能能力

或多边机构支持，伦理原则又借用

UNESCO建设普惠计划》；222025

年提出“成立世界

框架。27

这种拼接策略是务实的，但也意味人工智能合作组织”倡议并已进入加紧筹建

着制度碎片化的风险，比如不同来源的规则阶段；232026

年

6

月发布《构建更加公正

之间未必兼容，而吸纳这种不兼容性最终付合理的全球治理体系：中国的理念、倡议与

出的协调成本将由国内监管机构承担。行动》白皮书，将人工智能治理纳入全球治理体系改革的整体框架，明确把《全球人工 四、多边影响不对称：有限施动性的制度通道规则的关键举措。在国内层面，中国已建立 尽管结构性不对称十分鲜明，全球南方包括算法推荐管理

24、深度合成管理

25

和生 并非完全没有施动空间。多边平台和区域组成式人工智能暂行办法

26

在内的较完整治理 织是其最重要的制度通道。务的复合模式。对外传导有三类通道：华为 在全球多边层面，联合国近年为人工云、阿里云等基础设施供给，DeepSeek、 智能治理的发展维度提供了重要的合法性资Qwen

等开源模型扩散，以及数字丝绸之路 源。联合国大会第78/265

号决议将人工智和金砖等全面合作机制。对南方国家而言， 能治理与可持续发展和能力建设明确联系起中国路径的吸引力在于可负担的基础设施和 来，标志着全球人工智能议程从主要围绕安开源模型供给，但技术依赖、跨境数据规则 全与风险的技术框架，向兼顾发展与包容和大国竞争中的合规压力仍需逐案评估。 的多元框架扩展。第78/311

号决议进一步推动加强人工智能能力建设国际合作，而联值得注意的是，南方国家在这三套路径 合国人工智能高级别咨询机构也吸纳了来自全球南方的声音。这些进展使南方国家得以 调，非盟通过发展叙事实现团结。将人工智能议题与发展融资、技术转移和公共服务创新联系起来，避免人工智能治理被体议程资源，比如东盟通过灵活性实现协部倡导者的支持。总的来说，集体行动本身外部框架的接受。第二章

及全其球对人全工球智南能方治的理约结束构能力中等但制度建设较完善的国家倾向于2026

世界人工智能大会

|

论坛

1211

分治化理的中南的方能：力差人距工与智路能径选择除区域组织外，跨区域协调机制也在完全限定在少数发达国家关切的安全和竞争 发挥日益重要的作用。金砖国家合作机框架内。但合法性资源并不自动转化为规则 制、七十七国集团等平台为全球南方在人影响力。联合国大会决议属于倡议性质，约 工智能治理中提供了额外的参与空间。印束力有待检验；人工智能治理中实质性的技 度和巴西等国同时活跃于多个平台，包括术标准制定多发生在

ISO、IEEE

和

ITU

等 G20、金砖、区域组织和联合国体系等，形专业标准机构，以及出口管制安排和双边技 成了多轨参与的策略模式，使其能够在不术协议等更封闭的渠道中，全球南方国家在 同场合根据议题需要灵活组合联盟。然而，这些平台上的技术参与能力和代表性仍然薄 这种跨区域协调面临内在张力。能力较强弱。这就形成了一种结构性错位，即南方国 的南方国家可能更关注产业竞争力和全球家在最具合法性但约束力最弱的平台上声量 标准的制定权，而能力薄弱的国家则优先最大，而在约束力最强但准入门槛最高的平 考虑基础设施供给和发展融资。这种优先台上影响力最小。 事项的分歧使得“全球南方”作为统一议价主体的效力受到限制，也使得跨区域协区域组织在弥合这一错位方面扮演了 调更多呈现为围绕特定议题的临时联盟，特殊角色。东盟《人工智能治理与伦理指南》 而非稳定的制度化合作。采用软法路径，不追求强约束监管，而是将创新促进、风险管理和成员国政策灵活性结 总之，区域和跨区域集体化都有各自的合起来，为能力差异显著的成员国提供共同 结构性上限。东盟的软法协调提升了灵活性，语言和协调框架。其战略价值不仅在于内部 却难以替代成员国在国内层面的监管执行，协调，更在于为成员国在欧美中规范竞争之 当成员国缺乏技术人才和执行机构时，共同间构建区域缓冲层，使单个小国不必在大国 指南无论多灵活，都难以落地为实际治理行框架之间做非此即彼的选择。非盟《非洲 为。非盟的大陆战略强化了共同叙事和国际大陆人工智能战略》则采用了不同的逻辑， 可见度，却要面对成员国在电力、网络、财将人工智能治理与《2063

年议程》及教育、 政和人才上的巨大落差。加勒比共同体和太卫生、农业等发展优先领域直接联系，使治 平洋岛国论坛帮助小国在多边场合争取发展理议题服务于大陆发展叙事。这两种模式的 融资和规则可见度，但技术和制度资源更为共同点在于，将单个国家的弱能力转化为集 有限，声音能否被听见取决于议程窗口和外充分条件。五、结构性后果：四重不对称如何塑造南方分化需要协调成本和制度投入，而恰恰是那些最 规则外溢不对称则将这种能力分化进需要集体化的国家，往往最缺乏承担这些成

一步制度化。面对欧盟、美国和中国三套治本的能力。因此，区域集体化是一种在不对

理路径的同时辐射，不同能力水平的国家采称结构中扩大谈判空间和缓冲外部压力的现

取截然不同的适配策略。制度能力较强的国实策略，但不应被误读为摆脱结构性依赖的

家可以选择性借鉴多套框架，结合本国条件形成自主组合，比如在数据保护上参照欧盟模式，在产业促进上借鉴中国做法，在技术合作上对接美国企业生态。制度能力较弱的国家则更可能整体移植某一套外部模板，或在多套外部规则的交叉要求下陷入碎片化。上述四重不对称并非各自独立地发生 关键的区分变量不是一国选择了哪套外部作用，而是通过相互叠加和传导，共同塑造 框架，而是它在框架适配过程中保留了多大了全球南方的治理分化格局。理解这一分化 的自主裁量空间。不能停留于描述结果，而需要追踪不对称结构如何具体地转化为治理行为的差异。 多边影响不对称则为上述分化增加了一个额外维度，即便能力和规则适配状况相基础设施和资本层面的不对称首先决 似的国家，也会因为多边参与能力的不同而定了一国在人工智能领域的能力边界，而这 走上不同的治理路径。能够在

G20、联合一边界直接影响其治理选择的性质。拥有一 国系统和区域组织中同时发挥作用的国家，定算力基础和产业生态的国家，比如印度、 可以利用多边平台对冲双边依赖，将本国诉巴西、阿联酋等，有条件将人工智能治理 求嵌入集体议程，从而在不对称结构中争取定义为产业政策和国际竞争力的议题，在吸 更大的回旋余地。缺乏这种多边参与能力的引外部技术资源的同时保留战略自主空间。 国家则主要通过双边渠道获取技术和资金，缺乏这些条件的国家则更倾向于将人工智 其治理选择在更大程度上取决于主要外部能治理定义为发展援助和能力建设的议题， 合作伙伴的偏好和条件。其政策空间主要表现为争取外部支持、降低准入门槛和嵌入国际机制。换言之，基础 正是这些条件的不同组合，将全球南方设施和资本条件不仅决定了一国“能做什 分化为本报告后续章节所分析的四种治理么”，还决定了其如何理解“治理”本身的 类型：基础设施和产业生态较强、且积极参含义——是主动塑造规则的参与，还是适应 与多边机制的国家倾向于走主权塑造路径；在创新与监管之间寻求平衡；将人工智能主 发布国家人工智能战略不等于具备治理能要视为发展工具的国家优先推进特定领域 力，出席国际会议不等于拥有规则影响力，的应用；而能力薄弱且高度依赖外部支持的 接入外部技术生态也不等于掌握发展主动国家则更多被动嵌入外部治理框架。每种类 权。真正决定南方国家未来位置的，是其型不是静态标签，而是特定结构条件下的策 能否将发展需求转化为可执行的制度安排，略选择。 将区域和多边平台转化为谈判基础，将开源生态和应用场景转化为本土技术能力，这一分化的深层含义在于，全球南方

并在外部规则竞争中保留足够的政策自主在人工智能治理中的核心问题不是是否参

性。这些转化能力的差异，正是接下来需与，而是以何种能力、通过何种平台、在

要通过系统性的类型分析加以揭示的核心多大程度上实质性地参与规则形成。单纯

议题。第三章 人工智能治理能力与规范取向的二维矩阵图3

全球人工智能治理的四重不对称结构要解释全球南方的分化，仅仅观察国家 种理想类型。是否发布了人工智能战略远远不够。人工智能治理中的真实位置取决于两个问题：一国范取向”的二维矩阵，将全球南方区分为四第三章

规人范工取智向能的治二理维能矩力阵与何参与区域和多边制度。2026

世界人工智能大会

|

论坛

1413

分治化理的中南的方能：力差人距工与智路能径选择本报告来源于三个皮匠报告站（）,由用户Id:1181721下载,文档Id:1280422,下载日期:2026-07-21这一框架的基本假设为，人工智能治理是否具备把人工智能转化为发展、监管和谈 不是单纯的政策偏好问题，而是能力条件与判资源的能力？一国在外部规则竞争中选择 规范选择共同作用的结果。能力不足会限制何种规范方向？前者回答能做什么，后者回 政策选择空间，取向差异则会影响一国如何答想往哪里走。本报告由此采用“能力-

规 使用有限能力、如何嵌入外部规则、以及如表1

全球南方人工智能治理类型的二维矩阵治理取向能力基础较弱中等中高发展优先取向发展优先型：以人工智能服务减贫、农发展优先与规则平衡的混合型：开始积累主权塑造型：主要指议程塑造子类，以发业、教育、卫生和公监管工具与区域协调展权和公共产品塑造共服务能力国际议程区域平衡取向主要依赖区域组织获得最低限度可见度规则平衡型：通过软法和区域协调在外部规则之间保持灵活性区域规则供给者：为周边国家提供工具、标准和能力建设主权自主取向多为政策愿景，缺少执行能力选择性本土化外部规则，局部建设主权云和监管沙箱主权塑造型：包括议程塑造与枢纽资本两子类，一般自建规则叙事、算力基础设施和多边议程安全约束取向外部嵌入型：主要移植欧盟、UNESCO或区域组织规则模板合规型发展国家：以市场准入和制度合法性换取政策空间实证较少，一般转化为主权塑造型或区域规则供给者需要说明的是，表中若干格子代表过渡

些组合清晰化。因此，本报告并不试图判断状态或混合状态。为保持分析简洁，本文将

哪些全球南方国家“更先进”，而是希望能重点讨论四种最具解释力的理想类型：发展

解释不同国家为何在人工智能治理中采取不优先型、规则平衡型、主权塑造型和外部嵌

同路径。入型。其他状态主要用于说明国家在不同能力层级和治理取向之间可能发生移动。 一、能力维度：从政策文本转向量化指标之所以选择分类而非排名，是因为排名 人工智能治理能力是一个复合概念，至容易制造虚假的线性等级，仿佛所有国家都 少涵盖五个维度。在同一条道路上追赶前沿强国。现实远比这复杂。印度、巴西、东盟、非盟和小岛屿国 技术基础设施。包括数据中心数量、云家面对的不是同一种“能力差距”的不同阶 服务可得性、高端

GPU

等价算力、芯片进段，而是在能力、需求、制度传统和外部依 口依赖、电力稳定性和网络覆盖等要素。从赖上的不同组合。矩阵的价值恰恰在于把这 测量指标上看，Stanford

AI

Index

提供前沿29

Oxford

Insights,

Government

AI

Readiness

Index

2025,

corrected

ed.

(Oxford:

Oxford

Insights,

January

2026).30

OECD,

OECD.AI

Policy

Observatory,

https://oecd.ai.第三章

规人范工取智向能的治二理维能矩力阵与2026

世界人工智能大会

|

论坛

1615

分治化理的中南的方能：力差人距工与智路能径选择人工智能指标，ITU

的互联网和ICT

发展数 评估、公共采购和监管沙箱都需要懂技术、据衡量数字接入基础。对许多低收入国家而 懂法律又懂产业的复合型人才。言，基础设施不足意味着人工智能治理更可能以应用部署和外部模型监管为主，而非前制度与监管能力。包括国家人工智能战沿模型监管。 略、数据保护法、监管机构、监管沙箱、公共采购规则和区域组织参与等要素。Oxford创新与研发。包括人工智能论文、专利、 InsightsGovernmentAIReadiness

Index重要模型数量、开源项目贡献、本地语言模

以政府、技术部门和数据基础设施三大支柱型和大学研究能力等要素。WIPO

全球创新

评估约

190

个政府的人工智能就绪度，提供指数提供跨国可比数据，Stanford

AI

Index

了有价值的跨国比较基准。29OECD.AI

政策关于重要模型和开源贡献的统计更适合衡

观测站追踪国家人工智能战略。30

UNESCO量一国是否进入前沿人工智能生产或开放

准备度评估强调法律、经济和技术基础设施生态。28 等维度。资本与产业生态。包括私营人工智能投 这五类能力并非彼此独立，而是相互支资、初创企业数量、政府人工智能基金和应

撑。技术基础设施决定一国能否部署和测试用规模等要素。众多研究及经验证据都显示

模型，创新研发决定其能否参与知识生产，私营人工智能投资高度集中于美国和少数经

资本与产业生态决定人工智能能否进入真实济体。没有产业生态支撑的人工智能战略往

应用场景，人才与技能决定监管和采购能否往难以从宣示转化为实践；没有本土市场和

落地，制度与监管能力则决定一国能否把技企业反馈，政府也难以积累对人工智能系统

术资源转化为可执行的治理安排。风险和合规成本的真实认知。基于以上五类指标，本报告将能力分为人才与技能。包括人工智能研究人员、 低、中、中高三个层级。之所以不设“高能力”ICT

毕业生、STEM

教育基础、公共部门数 类别，是因为在全球南方内部，几乎没有国字人才和人工智能技能渗透率等要素。人才 家能在算力、芯片、基础模型、资本和全球指标之所以至关重要，是因为人工智能治理 标准上全面接近美国或中国，使用“高能力”不是单靠立法就能完成的，算法审计、模型 标签反而会模糊南方国家所共同面临的结构28

World

Intellectual

Property

Organization

(WIPO),

Global

Innovation

Index

2024

(Geneva:

WIPO,

2024).性优势，而非全栈式人工智能主导能力。二、取向维度：国家如何定义治理优先级智能标准。印度、巴西、阿联酋和沙特在不发展政策的一部分。非盟多数成员国、尼低治理成本。第三章

规人范工取智向能的治二理维能矩力阵与方代表。同样，南非、巴西、印尼等国也2026

世界人工智能大会

|

论坛

1817

分治化理的中南的方能：力差人距工与智路能径选择能把治理重点提前锁定在合规上。性约束。换言之，即便印度、巴西、阿联酋、 同程度上体现这一取向。主权自主不等于完沙特或新加坡在部分指标上表现突出，其能 整技术自给，而是试图减少对单一外部技术力优势也更多体现为区域性、议题性或部门 生态的依赖，在全球规则竞争中保留议程设置能力。区域或多边嵌入。通过东盟、非盟、金砖、加勒比共同体和联合国等平台扩大话语能力决定政策边界，取向决定治理路线。 权。对能力基础较弱的国家而言，多边嵌入相同能力水平的国家可能采取截然不同的策 往往是获得可见度和能力支持的主要渠道。略。取向判断不能依赖一两句外交表态，而 这类取向的重点不是单个国家提出完整替代应从国家人工智能战略、立法草案、预算安排、 规则，而是通过区域和多边平台把分散诉求国际合作对象和区域组织参与中综合观察。 转化为更具谈判价值的共同议题。发展优先。将人工智能视为经济增长和 需要强调的是，治理取向不是固定身份，公共服务改善工具，政策文本高频出现农业、 也不是意识形态标签。一个国家可能在数据教育、卫生、减贫和数字政府等议题。非盟 保护上采用欧盟式合规框架，在产业政策上人工智能战略将人工智能与非洲发展和繁荣 强调发展优先，在基础设施上寻求中国或多联系起来，是这一取向的典型表达。发展优 边机构支持，在多边场合又强调主权和发展先并不意味着忽视风险，而是认为对能力基 权。因此，本报告判断取向时关注的是一国础较弱的国家而言，过早采用高成本合规制 在特定阶段的主导政策逻辑，而非排他性阵度可能压缩创新空间。 营归属。安全优先。优先借鉴欧盟风险分级、人 三、二维矩阵与四种类型权保护和数据保护框架。在部分拉美国家和与欧洲制度联系密切的国家中更常见。优势 将能力和取向交叉，形成四种理想类是提高国际合法性和市场兼容性，劣势是可 型。发展优先型。低至中等能力与强发展主权自主。建设主权云、国家算力中心、 取向。缺少前沿人工智能基础设施，但发本地语言模型、数据本地化制度和自主人工 展需求强烈，倾向把人工智能治理定义为向。拥有较大市场、资本能力或多边议程日利亚、肯尼亚、卢旺达、加纳和塞内加 四、方法、边界及标准尔为代表。为避免分类沦为主观判断，本报告采用规则平衡型。中等能力与区域协调取 三步判定法。第一步看能力指标，至少观察向。有一定数字经济基础和制度能力，内 技术基础设施、产业资本、人才和制度监管部差异较大，倾向通过软法和渐进式治理 中的两到三类硬指标。第二步看取向指标，保持灵活性。东盟整体及新加坡、印尼、 判断该国政策文本、预算安排和国际合作是马来西亚等构成核心案例。 否优先强调发展、合规、主权或区域多边嵌入。第三步交叉比对，并允许国家在不同议主权塑造型。中高能力与自主规则取 题上呈现混合特征。设置能力，试图提出区别于欧美中的替代 为减少相邻类型之间的概念漂移，本报叙事。印度、巴西、阿联酋、沙特以及部 告设定如下边界提示，即若已配备常态化监分议题上的南非属于此类。 管编制和可执行治理工具，并主导或深度参与区域软法文本，则更贴近规则平衡型；若外部嵌入型。能力基础较弱与规则接 主权叙事突出但执行资源不足、高度依赖外受取向。缺少人工智能产业和监管人才， 部模板，则仍归入外部嵌入型。发展优先型更多通过欧盟、UNESCO

和区域组织获得 与规则平衡型的分界，重在区域协调是否形规则模板。太平洋岛国、加勒比国家和部 成可重复的制度产品，如共同指南、互认安分拉美小经济体属于此类。使用“外部嵌 排、联合采购等，而非单次会议宣言。入型”而非“被动型”，是为了避免将能力约束道德化。这些国家面临的是结构性 需要强调的是，国家分类不是永久身限制，而非主观选择上的怠惰。 份，而是某一时期的政策位置。新加坡作为高收入经济体并不完全符合传统全球南这四种类型是一种解释工具，相互之 方想象，但它在东盟框架中扮演的规范中间并非封闭类别。其意义在于揭示不同国 介角色使其成为理解南方区域治理的重要家为何在同一全球人工智能治理结构下采 案例。阿联酋和沙特同样具有高收入和资取不同策略：有的优先争取发展空间，有 本优势，但在全球技术分工中仍处于从外的通过区域软法平衡外部规则，有的尝试 部依赖转向区域枢纽的过程中，其代表性塑造替代性议程，有的则通过外部模板降 偏向“资本驱动型枢纽国家”而非传统南可能在不同议题上跨类型。总之，一个国

标。其三，施动是否可转化。

能否把国内家可以在数据保护上接近欧盟路径，在产

能力和外部平台转化为规则影响力或发展资业政策上采取发展优先，在多边场合强调

源。这一标准有助于区分三种易混淆表象，南方代表性，在基础设施上又依赖外部企

即发布人工智能战略不等于具备治理能力，业。这种混合性更符合全球南方人工智能

参加国际会议不等于拥有规则影响力，且采治理的真实特征。 用外部规则不等于缺少施动空间。反之，形2026

世界人工智能大会

|

论坛

2019

分治化理的中南的方能：力差人距工与智路能径选择第四章

治全理球实南践方的人类工型智分能化式上采用先进框架但缺少执行机构和人才，后文案例分析将以三条标准判断国家位 治理能力仍然薄弱。置。其一，能力是否可执行。有无基础设施、人才、资本和制度机构支撑人工智能战略。 因此，本章旨在建立一个解释框架，用其二，取向是否清晰。是否明确将人工智能

于说明不同全球南方国家为何在人工智能治治理服务于发展、合规、主权或区域多边目

理中形成差异化路径。第四章 全球南方人工智能治理实践的类型分化素共同塑造。本章主要讨论全球南方国家如何分化 第三章提出的“能力

-

规范取向”框架，为不同治理类型。分类的目的不是贴标签，

在本章中转化为四类具体实践：发展优先型、而是解释不同能力条件下的策略逻辑。人

规则平衡型、主权塑造型和外部嵌入型。四种工智能治理的实际路线往往不是由抽象原

类型对应的并非固定国家身份，而是特定时期则决定的，而是由技术基础、产业资本、

内国家或区域组织在人工智能治理中的主要政制度能力、发展需求和外部规则压力等因

策位置。部分国家可能具有跨类型特征，尤其是在数据保护、产业政策、基础设施合作和多边发声等不同议题上呈现不同取向。31

Oxford

Insights,

Government

AI

Readiness

Index

2025,

corrected

ed.

(January

2026),

/ai-readiness/government-ai-readiness-index-2025/;

WIPO,

Global

Innovation

Index

2024

(Geneva:

WIPO,

2024);

ITU,Facts

and

Figures

2024

(Geneva:

ITU,

2024).

数据中心数量综合

Cloudscene

及多来源估算。表

2